增量刷新函数支持记录

语法

SELECT [column_list]
FROM (
   SELECT [column_list],
     ROW_NUMBER() OVER ([PARTITION BY col1[, col2...]]
       ORDER BY col1 [asc|desc][, col2 [asc|desc]...]) AS rownum
   FROM table_name)
WHERE rownum <= N [AND conditions]

参数说明：

• PARTITION BY col1[, col2...]：可选，指定分组列。

• ORDER BY col1 [asc|desc][, col2 [asc|desc]...]：必选，指定排序列及排序方向。

• rownum <= N：必选，筛选前 N 条记录。

使用限制

• 仅 Hologres V4.2 及以上版本支持。

• 若刷新模式指定为 auto，会自动推导为 incremental 模式。

Dynamic Table 使用示例

CREATE TABLE orders (
  order_id bigint,
  product_id bigint,
  amount bigint
);

INSERT INTO orders
SELECT i, i % 100, (random() * 1000000)::bigint
FROM generate_series(1, 10000)i;

CREATE DYNAMIC TABLE top3_orders
WITH (
  freshness = '5 minutes',
  auto_refresh_mode = 'incremental'
) AS
SELECT order_id, product_id, amount
FROM (
   SELECT order_id, product_id, amount,
     ROW_NUMBER() OVER (PARTITION BY product_id ORDER BY amount desc) AS rownum
   FROM orders)
WHERE rownum <= 3;

SELECT * FROM top3_orders WHERE product_id = 1;

语法

SELECT [column_list],
  {lead | lag}(<expr>) OVER (
    PARTITION BY col1[, col2...]
    ORDER BY col1 [asc|desc] [nulls first|nulls last][, col2 ...]) AS <alias>
FROM table_name;

参数

• expr：取值列。该列必须同时出现在 SELECT 列表中，否则刷新时报错，详情请参见下方使用限制。

• PARTITION BY：必选，用于分组的列，支持多列。

• ORDER BY：必选，用于排序的列，支持多列排序、asc/desc、NULLS FIRST/NULLS LAST。

使用限制

• 仅 Hologres V5.0 及以上版本支持。

• PARTITION BY 和 ORDER BY 均为必选。

• 仅支持单参数形式 lead(expr) 和 lag(expr)，即偏移量固定为 1，不支持 lead(expr, offset) 和 lead(expr, offset, default)。

• lead 和 lag 的入参列必须出现在 SELECT 列表中。例如 SELECT id, k, lead(price) OVER (...) 会在刷新时失败，需改写为 SELECT id, k, price, lead(price) OVER (...)。

• PARTITION BY 与 ORDER BY 的列不支持浮点类型（float、float4、float8、real、double precision）。如需按小数排序，请使用 numeric 或 decimal 类型。可用作分组或排序键的类型包括：int、bigint、smallint、numeric/decimal、text/varchar、date、timestamp、timestamptz、bool。

• 建议 ORDER BY 列在每个分组内取值唯一。当同一分组内存在多行排序键相同（含多个 NULL）时，增量刷新使用内部行序号打破并列，与全量刷新、普通 OLAP 查询的并列处理依据不同，结果可能不一致。两者在 SQL 语义上均为合法解，如需结果确定，请在 ORDER BY 中追加唯一列作为并列裁决列。

• 不支持 IGNORE NULLS 和 RESPECT NULLS 语法。

• 首次刷新需要构建全量 state，耗时可能较长。

• 增量刷新的耗时主要由本次变更触碰到的分组占比决定，而非变更行数。变更集中在少量分组时增量优势明显；如果每次变更铺满全部分组，建议使用全量刷新。此外，增量刷新会额外维护 state 表，存储开销显著高于全量刷新，请纳入容量评估。

Dynamic Table 使用示例

以下示例计算每个用户相邻两次行为的金额变化。

-- 创建源表：用户行为明细
CREATE TABLE user_events (
  event_id bigint,
  user_id  text,
  event_ts timestamptz,
  amount   numeric(10,2)
);

INSERT INTO user_events VALUES
  (1, 'u1', '2026-08-20 10:00:00+08', 100.00),
  (2, 'u1', '2026-08-20 11:00:00+08', 150.00),
  (3, 'u1', '2026-08-20 12:00:00+08', 120.00),
  (4, 'u2', '2026-08-20 09:00:00+08', 80.00),
  (5, 'u2', '2026-08-20 10:30:00+08', 95.00);

-- 创建Dynamic Table，注意入参列amount必须出现在SELECT列表中
CREATE DYNAMIC TABLE user_amount_diff
WITH (
  freshness = '5 minutes',
  auto_refresh_mode = 'incremental'
) AS
SELECT
  event_id,
  user_id,
  event_ts,
  amount,
  lag(amount) OVER (PARTITION BY user_id ORDER BY event_ts) AS prev_amount,
  amount - COALESCE(lag(amount) OVER (PARTITION BY user_id ORDER BY event_ts), 0) AS diff
FROM user_events;

SELECT * FROM user_amount_diff ORDER BY user_id, event_ts;

查询结果如下。

 event_id | user_id |        event_ts        | amount | prev_amount |  diff
----------+---------+------------------------+--------+-------------+--------
        1 | u1      | 2026-08-20 10:00:00+08 | 100.00 |             | 100.00
        2 | u1      | 2026-08-20 11:00:00+08 | 150.00 |      100.00 |  50.00
        3 | u1      | 2026-08-20 12:00:00+08 | 120.00 |      150.00 | -30.00
        4 | u2      | 2026-08-20 09:00:00+08 |  80.00 |             |  80.00
        5 | u2      | 2026-08-20 10:30:00+08 |  95.00 |       80.00 |  15.00
(5 rows)

语法

hg_id_encoding_int4(<user_id>, '<mapping_tablename>')
hg_id_encoding_int8(<user_id>, '<mapping_tablename>')

参数说明：

• 第一个参数：text 类型的 uid 列。

• 第二个参数：user_mapping 的表名，需提前创建 user mapping 表，将 text 类型的 uid 映射成 int 类型。

使用限制

• user_mapping 必须有主键，且主键之外只有一个 Serial 字段；目前仅支持主键为 text 类型且为单列主键。

• 第一个参数仅支持 text 类型的 uid 字段，不支持 NULL 值，否则函数执行报错。

• 调用函数时会自动将 mapping 数据写入 user_mapping 表；若 uid 已存在则忽略，新数据则新增。

• 仅 Hologres V4.1 及以上版本支持。

使用示例

CREATE TABLE base_table(user_id text);
INSERT INTO base_table VALUES('a');

-- 创建 user_mapping 表
CREATE TABLE uid_mapping(user_id text PRIMARY KEY, id serial);

-- 将 base 表的 uid 经 hg_id_encoding_int4 映射后自动写入 mapping 表
SELECT user_id, hg_id_encoding_int4(user_id, 'uid_mapping') AS res FROM base_table;

-- 查询 mapping 表
-- user_id | id
-- --------+----
--   a     |  1

Dynamic Table 使用示例

DROP TABLE IF EXISTS detail;
CREATE TABLE detail (
  userid       text,
  event_id     text,
  create_time  timestamptz
);

INSERT INTO detail(userid, event_id, create_time) VALUES
  ('user_1', 'e1', '2024-12-20 10:00:00+08'),
  ('user_1', 'e2', '2024-12-20 11:30:00+08'),
  ('user_1', 'e3', '2024-12-21 09:15:00+08'),
  ('user_2', 'e4', '2024-12-20 08:05:00+08'),
  ('user_2', 'e5', '2024-12-22 14:20:00+08'),
  ('user_3', 'e6', '2024-12-21 16:45:00+08');

DROP TABLE IF EXISTS detail_user_first_last_event;

CREATE DYNAMIC TABLE detail_user_first_last_event
WITH (
  auto_refresh_mode = 'incremental',
  computing_resource = 'local',
  freshness = '3 minutes'
)
AS
SELECT
  userid,
  min_by(event_id, create_time) AS first_event_id,
  max_by(event_id, create_time) AS last_event_id,
  date_trunc('day', max(create_time))::date AS dt
FROM detail
GROUP BY userid;